AI（人工智能）是让电脑在不被编程的情况下，就可以自己学习的研究领域。它包括机械学习、数据科学、神经网络/深度学习等多种技术。其中，机械学习是指让电脑在不被编程的情况下，就可以自己学习的研究领域；数据科学则是指分析数据集，从数据中获取一些结论与提示；神经网络/深度学习则是指有输入层、输出层和中间层（隐藏层）的一种机器学习类别。
生成性 AI 是一种机器学习类别，计算机可以根据用户的提示生成原始的新内容。目前，文本和图像是这项技术的最成熟应用，但几乎在每一个创意领域都有工作在进行，从动画、音效、音乐，甚至到创造具有完整性格的虚拟角色。
AI 在游戏中并不是什么新鲜事。即使是早期的游戏，如雅达利的 Pong，也有计算机控制的对手来挑战玩家。然而，这些虚拟的敌人并不是我们今天所知道的 AI。它们只是由游戏设计师制定的简单脚本程序。它们模拟了一个人工智能对手，但它们不能学习，它们的能力只取决于创建它们的程序员。
人工智能最终会不会无所不能？在过去，任何认真计算的东西通常都被认为是“人工智能”，在这种情况下，例如，我们长期以来使用 Wolfram Language 计算语言所做的事情就符合资格——就像我对简单程序的所有“规则学”研究一样。计算宇宙。但在这里，我将在很大程度上采用更狭义的定义，并说人工智能是基于机器学习（通常通过神经网络实现）的东西，它是根据给出的示例进行增量训练的。
机械学习：学习输入输出，从A到B的映射。所以一般都有个运行的AI系统，即输入A必然会输出B的软件。更系统的定义是，让电脑在不被编程的情况下，就可以自己学习的研究领域。（1959，Arthur Samuel）数据科学：分析数据集，从数据中获取一些结论与提示。挖掘数据来获取见解，输出结果往往是slide desk，如结论，PPT，项目结果。神经网络/深度学习：有输入层，输出层，中间层（隐藏层）
生成性AI是一种机器学习类别，计算机可以根据用户的提示生成原始的新内容。目前，文本和图像是这项技术的最成熟应用，但几乎在每一个创意领域都有工作在进行，从动画、音效、音乐，甚至到创造具有完整性格的虚拟角色。当然，AI在游戏中并不是什么新鲜事。即使是早期的游戏，如雅达利的Pong，也有计算机控制的对手来挑战玩家。然而，这些虚拟的敌人并不是我们今天所知道的AI。它们只是由游戏设计师制定的简单脚本程序。它们模拟了一个人工智能对手，但它们不能学习，它们的能力只取决于创建它们的程序员。现在与以前的不同之处在于，由于更快的微处理器和云技术，我们有了更多的计算能力。有了这种能力，我们可以构建大型的神经网络，这些网络可以在高度复杂的领域中识别模式和表示。这篇博文分为两部分：第一部分包括我们对游戏领域的生成性AI的观察和预测。第二部分是我们对该领域的市场地图，概述了各个细分市场并确定了每个市场的关键公司。
So what do I actually even mean by “AI” here?In the past,anything seriously computational was often considered “AI”,in which case,for example,what we’ve done for so long with our Wolfram Language computational language would qualify—as would all my “ruliological” study of simple programs in the computational universe.But here for the most part I’m going to adopt a narrower definition—and say that AI is something based on machine learning(and usually implemented with neural networks),that’s been incrementally trained from examples it’s been given.Often I’ll add another piece as well:that those examples include either a large corpus of human-generated scientific text,etc.,or a corpus of actual experience about things that happen in the world—or,in other words,that in addition to being a “raw learning machine” the AI is something that’s already learned from lots of human-aligned knowledge.那么我在这里所说的“人工智能”到底是什么意思呢？在过去，任何认真计算的东西通常都被认为是“人工智能”，在这种情况下，例如，我们长期以来使用Wolfram语言计算语言所做的事情就符合资格——就像我对简单程序的所有“规则学”研究一样。计算宇宙。但在这里，我将在很大程度上采用更狭义的定义，并说人工智能是基于机器学习（通常通过神经网络实现）的东西，它是根据给出的示例进行增量训练的。